Natalia Nehrebecka Wykład 1 1
1. Sprawy organizacyjne Zasady zaliczenia Dwiczenia Literatura 2. Czym zajmuje się ekonometria? 3. Formy danych statystycznych 4. Model ekonometryczny 2
1. Sprawy organizacyjne Zasady zaliczenia Dwiczenia Literatura 2. Czym zajmuje się ekonometria? 3. Formy danych statystycznych 4. Model ekonometryczny 3
- adres mailowy: nnehrebecka@wne.uw.edu.pl - strona internetowa: - www.ekonometria.wne.uw.edu.pl - www.wne.uw.edu.pl/nnehrebecka - dyżur: uzgadniany indywidualnie
Egzamin pisemny Forma egzaminu: warunkiem dopuszczenia do egzaminu koocowego jest zaliczenie dwiczeo (zaliczenia kartkówek, case studies, modelu) egzamin trwa 90 min. i zawiera: 4 pytania teoretyczne spośród listy pytao ze skryptu 3 zadania Warunek zaliczenia egzaminu: zaliczenie części teoretycznej i zadaniowej Próg zaliczenia: 50 % punktów z części zadaniowej, 50% punktów z części teoretycznej Ocena koocowa: średnia ważona (2/3 ocena z egzaminu +1/3 ocena z dwiczeo)
Osobny egzamin dla kierunku IiE i MSEMat: o o różniący się zakresem materiału taka sama forma i warunki zaliczenia jak dla kierunku ogólnego
Prowadzone według tego samego programu dla grup ogólnych Oddzielny program dla kierunku Informatyka i Ekonometria oraz MSEMat Osoby, które będą miały więcej niż trzy nieobecności uzyskają ocenę NK. Dalszą procedurę (usprawiedliwienia, podania, prośby etc.) określa Regulamin Studiów na Uniwersytecie Warszawskim oraz Uchwała Rady Wydziału Nauk Ekonomicznych Uniwersytetu Warszawskiego numer 6/2010 z dnia 16 czerwca 2010 r. w sprawie szczegółowych zasad studiowania na Wydziale Nauk Ekonomicznych Uniwersytetu Warszawskiego.
Ocena z dwiczeo: 40 % kartkówki, 30 % model, 30% case studies 1. kartkówki - minimum 7 kartkówek (2 kartkówki mogą byd niezaliczone) 2. Case studies
3. najważniejszym elementem dwiczeo jest samodzielne opracowanie własnego badania ekonometrycznego modelu. modele opracowywane w grupach co najwyżej 2 osobowych na kierunku ogólnym. Na IiE i MSEMat tylko jednoosobowo. przynajmniej 2 artykuły w języku angielskim oprogramowanie: akceptowane będą jedynie modele oszacowane w Stata. Konkurs modeli: Dwiczeniowcy przesyłają wykładowcom średnio po jednym modelu z danej grupy Osoby, których modele wygrają w konkursie są zwolnione z egzaminu z oceną bdb pod warunkiem posiadania średniej z kartkówek na poziomie min. 90%
Rejestracja w USOS na wykład i dwiczenia 10
- J.Mycielski, Skrypt z ekonometrii będzie dostępny na ksero wydziałowym - J.Mycielski, Zbiór zadań z ekonometrii będzie dostępny na ksero wydziałowym - Wooldridge (drugie wydanie lub późniejsze wydania) - Greene (2003 lub późniejsze wydania)
1. Sprawy organizacyjne Zasady zaliczenia Dwiczenia Literatura 2. Czym zajmuje się ekonometria? 3. Formy danych statystycznych 4. Model ekonometryczny 12
- badaniem zależności ilościowych między zmiennymi ekonomicznymi - empiryczną weryfikacją teorii ekonomicznych Przykład: - teoria: prawo popytu i podaży wzrost ceny powoduje spadek popytu i wzrost podaży - teoria nic nie mówi o ile spadnie popyt, wzrośnie podaż
- ekonometryk może oszacować reakcję popytu na spadek ceny (cenowa elastyczność popytu) oraz zweryfikować hipotezę o jej ujemnym znaku - wykorzystuje do tego dane
1. Sprawy organizacyjne Zasady zaliczenia Dwiczenia Literatura 2. Czym zajmuje się ekonometria? 3. Formy danych statystycznych 4. Model ekonometryczny 15
Dane przekrojowe (Cross-Sectional data) wiele obiektów obserwowanych w jednej jednostce czasu. 16
17
18
Szeregi czasowe (time series data) jeden obiekt obserwowany w wielu jednostkach czasu. 19
20
Dane przekrojowo-czasowe (Pooled Cross Sectional) dane z kilku okresów czasu dotyczące różnych prób przekrojowych 21
22
Dane panelowe mają cechy zarówno próby przekrojowej, jak i szeregu czasowego. Zawierają one szereg obserwacji dla danej próby przekrojowej. Panel stanowi więc dane z kilku okresów czasu dla pewnej grupy obiektów. Dane panelowe różnią się od tak zwanych prób przekrojowoczasowych, które zawierają dane z kilku okresów czasu dotyczące różnych prób przekrojowych. 23
Przykładem może byd PKB per capita w poszczególnych krajach UE, w kolejnych latach. Każda obserwacja w zbiorze panelowym jest indeksowana podwójnie: Po jednostkach Po czasie 24
25
1. Sprawy organizacyjne Zasady zaliczenia Dwiczenia Literatura 2. Czym zajmuje się ekonometria? 3. Formy danych statystycznych 4. Model ekonometryczny 26
dane nie mówią,,same za siebie narzędziem ekonometryka do analizy danych model ekonometryczny
- model: a) pewien sposób opisu danych b) za pomocą niewielkiej liczby oszacowanych parametrów umożliwia uchwycenie najważniejszych zależności miedzy zmiennymi c) nie opisuje dokładnie rzeczywistości (w sposób niedoskonały)
Współczynnik Estymator b 1 (stała) 29967,15 b 2 (MPC) 0,51
Budowa modelu: a) cel badania i hipoteza badawcza teoria które zmienne istotnie wpływają na analizowane zjawisko, kierunek przyczynowości, jakie formy funkcyjne wybrać b) dane c) oszacowanie parametrów d) weryfikacja hipotezy
Cel pracy wyjaśnienie zróżnicowania płac progowych osób bezrobotnych w Polsce. Hipotezy badawcze W oparciu o badanie Prasada (2003) sformułowano hipotezę główną, zgodnie z którą spodziewano się wyższych płac progowych dla mężczyzn niż dla kobiet. 36
Ponadto postawiono hipotezy dodatkowe dotyczące kierunku oddziaływania na płacę graniczną m.in. wieku, czasu pozostawania bez pracy. W odniesieniu do opracowania Góry (1996) zdecydowano zweryfikowad hipotezę o braku wpływu długości poszukiwania pracy na wysokośd płacy progowej, zaś nawiązując do badao Kiefera i Neumanna (1979) oraz Brown i Taylora (2009), wysnuto przypuszczenie, iż wiek oddziałuje na płacę niezbędną nieliniowo. 37
Dane Badania Aktywności Ekonomicznej Ludności z II kwartału 2008 roku Zmienne wysokośd płacy progowej, która jest zmienną ciągłą, wyrażoną w PLN; płed respondenta: 0 kobieta, 1 mężczyzna; wiek, zmienna ciągła wyrażona w latach; czas poszukiwania pracy, zmienna ciągła wyrażona w miesiącach; 38
39
0.001.0015.002. summarize placa_prog,detail placa_prog ------------------------------------------------------------- Percentiles Smallest 1% 700 500 5% 800 500 10% 1000 600 Obs 1457 25% 1000 600 Sum of Wgt. 1457 50% 1200 Mean 1374.952 Largest Std. Dev. 495.6246 75% 1500 4000 90% 2000 4000 Variance 245643.7 95% 2000 5000 Skewness 2.081722 99% 3000 6000 Kurtosis 12.24944 0 2000 4000 6000 placa_prog 40
600 800 1000 1200 1400 1600 Średni poziom płacy progowej w zależności od wieku 20 30 40 50 60 70 wiek1 41
500 1000 1500 2000 2500 Średni poziom płacy progowej w zależności od czasu szukania pracy 0 20 40 60 80 100 czas_poszuk 42
0 5.0e-04 Density.001.0015.002 kobieta mezczyzna 0 2000 4000 6000 0 2000 4000 6000 Graphs by plec placa_prog Density normal placa_prog 43
. bys plec:sum placa_prog ----------------------------------------------------------------------------- -> plec = kobieta Variable Obs Mean Std. Dev. Min Max -------------+-------------------------------------------------------- placa_prog 724 1232.146 369.5455 500 4000 ----------------------------------------------------------------------------- -> plec = mezczyzna Variable Obs Mean Std. Dev. Min Max -------------+-------------------------------------------------------- placa_prog 733 1516.004 560.0219 600 6000 44
. ttest placa_prog, by(plec) Two-sample t test with equal variances ------------------------------------------------------------------------------ Group Obs Mean Std. Err. Std. Dev. [95% Conf. Interval] ---------+-------------------------------------------------------------------- kobieta 724 1232.146 13.73405 369.5455 1205.183 1259.11 mezczyzn 733 1516.004 20.68488 560.0219 1475.395 1556.613 ---------+-------------------------------------------------------------------- combined 1457 1374.952 12.98443 495.6246 1349.482 1400.422 ---------+-------------------------------------------------------------------- diff -283.8577 24.88962-332.6811-235.0343 ------------------------------------------------------------------------------ diff = mean(kobieta) - mean(mezczyzn) t = -11.4047 Ho: diff = 0 degrees of freedom = 1455 Ha: diff < 0 Ha: diff!= 0 Ha: diff > 0 Pr(T < t) = 0.0000 Pr( T > t ) = 0.0000 Pr(T > t) = 1.0000 45
. xi: reg placa_prog i.plec wiek1 wiek2 czas_poszuk Source SS df MS Number of obs = 1457 -------------+------------------------------ F( 4, 1452) = 36.58 Model 32741892.3 4 8185473.07 Prob > F = 0.0000 Residual 324915356 1452 223770.907 R-squared = 0.0915 -------------+------------------------------ Adj R-squared = 0.0890 Total 357657249 1456 245643.715 Root MSE = 473.04 ------------------------------------------------------------------------------ placa_prog Coef. Std. Err. t P> t [95% Conf. Interval] -------------+---------------------------------------------------------------- plec 293.8521 24.93067 11.79 0.000 244.9481 342.7561 wiek1 27.88563 8.009331 3.48 0.001 12.17454 43.59673 wiek2 -.3671385.1046909-3.51 0.000 -.5725002 -.1617769 czas_poszuk -1.357408.7461258-1.82 0.069-2.821008.1061916 _cons 773.9344 141.7053 5.46 0.000 495.9654 1051.903 ------------------------------------------------------------------------------ 46
Dziękuję za uwagę 47